从开源到 Agent:AI 创业者真正要补的不是工具,而是组织1×0:0018:380:08开场问题1:28一、企业 AI 转型:老板急了,但组织未必准备好了4:00二、Agent 成为共识以后,界面本身不再是壁垒6:16三、token 成本不是财务小数点,而是产品结构问题8:17四、应用层仍有机会,但机会不在模型公司的主航道上10:12五、开源不是立场,而是企业控制权和生态策略12:09六、把大会判断翻译成路线图取舍14:42给创始人的行动检查0:08主持人这一期我们处理一集很新的现场侧记:《屠龙之术》在 A I E C 大会现场聊「从开源到 Agent,从组织到个体」。先说明边界:我们已经下载完整公开音频并做了全量 A S R,用它校对节目脉络;但这期不硬剪原节目原声进来,避免把没有进入同一混音流程的片段伪装成可追溯引用。0:32分析师我觉得这集对 AI 创业者最有价值的地方,不是又列了一串热门词,而是把这些词放回一个更难的问题:当 Agent、开源、模型成本和企业转型都在同时变化,创业公司到底该把资源押在产品、交付、组织,还是生态位置上?0:54主持人今天我们提炼五个判断。第一,AI 转型的真正瓶颈正在从技术可用,转向组织怎么接住。第二,Agent 产品越来越像,差异化不在界面,而在场景和生态。第三,token 成本会直接改写产品毛利和工作流设计。第四,应用层不是没有机会,机会在模型公司够不到的错位地带。第五,开源不是信仰问题,而是企业控制权、供应链和商业化问题。1:28分析师节目开头有一个很适合创业者记下来的对比:数字化转型时代,常常是底层做事的人很急,老板未必急;到了 AI 时代,反过来,老板被市场、媒体、投资人和同行反复轰炸,知道 AI 转型绕不过去,但真正要落地时,干活的人未必知道怎么变。1:52主持人这意味着,卖给企业的 AI 产品不能只回答「模型好不好」或者「功能炫不炫」。你要回答的是:这家公司哪一层人会推动?哪一层人会抵抗?预算从哪里来?上线以后替代的是一个工具步骤,还是一段跨部门流程?如果这些问题没有答案,再好的 demo 也只是大会现场的掌声。2:17分析师节目里还提到一个判断:大模型落地并没有唯一标准答案。传统数字化强调小步快跑、从边缘系统切入;但这次不一定完全照搬。因为很多企业高层已经相信 AI 有用,真正纠结的是先从核心系统切,还是先让一线零散试错,再逐步组织化。2:42主持人给创业者的第一条检查是:不要把客户都想象成同一种企业。AI 原生团队可能自下而上做产品,再自上而下推给客户;大型制造、零售、能源企业,可能需要高层先把核心场景定下来,再让团队围绕流程重构。你卖的不是一个「智能插件」,而是一种组织改造路径。3:07分析师这里也能解释为什么很多企业 AI 项目卡住。不是模型没有能力,而是它进入流程以后,会改变责任边界。以前谁审批、谁复核、谁背锅、谁拥有数据,都是稳定的。现在一个 Agent 进来,流程变快了,但责任可能更模糊。创业公司如果不帮客户把这层设计出来,就会停在试点。3:35主持人所以,第一条行动建议是:把销售材料里的「能力列表」改成「组织接入图」。对每个目标行业画清楚三件事:谁是发起人,谁是日常使用者,谁承担结果风险。越早画出这张图,越能判断一个客户是真需求,还是只想买一张 AI 门票。4:00主持人第二个判断来自节目中对 Agent 产品形态的观察。现在国内外很多 Agent 工具越来越像:左边是项目和历史,中间是对话和任务,旁边挂 M C P、skill 或工具能力,右边是执行区。也就是说,行业已经从「要不要做 Agent」,进入「大家都在做类似 Agent」的阶段。4:24分析师这对创业者很残酷。两年前,你做出一个会调用工具、能跑步骤的界面,可能还有新鲜感。现在,形态已经被 Claude Code、Cursor 以及一批 Agent 工具教育过,用户很快会把它当成标配。界面像不像,已经不是决定性问题。4:45主持人节目里给出的区隔方向是生态适配。比如大厂会把自己的文档、语音、云、内容平台、电商或者办公体系接进去。它们做 Agent,不只是做一个聊天框,而是让 Agent 更容易在自己的生态里拿到上下文、调用工具、完成动作。5:05分析师这给小团队留下的空间,恰恰不是复制大厂的全家桶,而是做更小、更深、更可信的场景匹配。非技术用户选择 Agent 时,未必关心模型参数,更关心三件事:它懂不懂我的任务,它是不是容易用,它把我的数据和决策放在哪里。5:27主持人所以第二条行动建议是:不要把「我们也有 Agent」当成定位。要把定位写成一句更窄的话:我们是给谁,在什么工作现场,用哪些独有上下文,完成哪种高频动作的 Agent。如果这句话写不出来,你面对的就是所有大厂和所有开源框架的正面竞争。5:51分析师更进一步,Agent 的产品设计要从「人怎么点」转向「人和 Agent 怎么交接」。任务开始前,用户给它什么边界;执行中,它什么时候必须回问;完成后,它如何留下可审计的痕迹。很多创业机会会藏在这些交接缝里,而不是藏在更漂亮的对话气泡里。6:16主持人第三个判断是 token 成本。节目里说,过去一段时间,行业已经意识到「最大化 token」不是一个好目标。真正重要的是,同样任务用更少 token 完成,或者同样 token 解决更复杂的任务。6:34分析师这句话对创业者特别重要,因为 token 成本不是财务表里最后才看的小数点,它会反向决定你的产品形态。你是让模型每次从零读完整上下文,还是把上下文沉淀成可复用的记忆和 skill?你是让 Agent 无限探索,还是给它更好的任务分解和停止条件?这些都会变成毛利。7:00主持人我们可以把它拆成三层。第一层是提示词和上下文工程,减少无效输入。第二层是任务路由,简单任务不用最贵模型,确定性步骤交给传统代码或小模型。第三层是产品承诺,不要为了演示效果承诺每次都「全自动」,很多高价值企业场景反而需要明确的人机分工。7:26分析师这也是为什么「AI 原生」不等于把所有东西都交给大模型。真正成熟的 AI 产品,应该像一个成本意识很强的系统:哪里需要推理,哪里需要检索,哪里需要缓存,哪里只需要规则,哪里必须让人确认。创业公司越早这样设计,越不容易在规模化时被推理成本吃掉。7:53主持人第三条行动建议是:每个功能上线前都做一次 token 预算评审。不要只问准确率提升多少,也要问一次成功任务平均消耗多少,失败重试消耗多少,最坏情况下会不会被长上下文拖垮。对于卖企业的产品,这个表可能比一句「我们用了最强模型」更能赢得信任。8:17分析师第四个判断是应用层机会。节目里用了一个很有用的词,叫「错位」。外界看创业公司只有二三十人,似乎不可能和模型公司竞争;但在某个细分应用场景里,大公司的投入人数可能反而没有创业公司多。8:37主持人这就是反向错位。模型公司有模型、算力、品牌和流量,但它们不可能无限扩张到每个行业现场。组织越大,熵增越高,越难长期蹲在一个水泥厂、一个客服后台、一个小型设计团队或者一个区域连锁门店里,把流程一点点磨细。8:59分析师所以,应用层创业的核心不是证明「模型公司不会做应用」。它们当然会做,而且会做很多。真正的问题是:有没有一些足够深、足够脏、足够依赖现场知识的场景,大公司做起来不经济,而小公司可以用更高密度的行业理解把它做穿。9:23主持人这也提醒创业者,不要被「模型公司会通吃」吓到失去判断。更好的问法是:如果模型能力每六个月再涨一截,我的产品会被替代,还是会因为模型更强而变得更好?如果答案是前者,那你只是在卖临时包装;如果答案是后者,你可能是在经营场景资产。9:46分析师第四条行动建议是:给自己的项目做一张「模型进步压力测试」。列出模型能力变强以后会消失的功能,再列出会变得更值钱的资产。比如行业数据、流程 Know-how、客户关系、合规审计、交付方法、专有评测集。后面这一列,才是应用层公司应该沉淀的护城河。10:12主持人第五个判断是开源。节目里对开源的讨论比较克制:早期有一段时间,闭源是强叙事;后来开源变成强叙事;现在行业进入回调,双方都在寻找中间态。闭源公司会学习开源生态,开源模型也会更深地和商业化结合。10:34分析师对创业者来说,开源最现实的价值不是「情怀」,而是控制权。很多大型企业的核心生产系统,不能接受开关掌握在外部模型公司手里,也不能轻易把核心数据交给外部服务。开源模型、私有化部署和可控供应链,在这些场景里有第一性原理上的需求。10:57主持人但反过来,开源也不是免费午餐。你要承担部署、调优、维护、评测、安全和升级成本。很多创业团队说自己基于开源,真正该问的是:我们是在降低客户的控制风险,还是只是因为没有预算调用更好的闭源模型?这两个答案差别很大。11:21分析师节目里还提到,开源和商业化正在上下两层结合:向上可以结合 Agent 和应用,向下可以结合基础设施和工程服务。也就是说,开源不只是模型权重本身,还是一个生态入口。创业公司如果只把它当低成本替代品,会错过更大的价值。11:45主持人第五条行动建议是:把开源选择写进商业方案,而不是技术方案。你为什么选开源?是为了数据不出域,为了降低供应商锁定,为了满足审计,为了做行业微调,还是为了连接开发者生态?只有答案和客户的采购理由一致,开源才会变成成交优势。12:09主持人还有一层我想单独拎出来:这集虽然是大会侧记,但它对创业者最直接的价值,是逼你做路线图取舍。很多团队现在的问题不是没有方向,而是方向太多。组织转型也想做,Agent 平台也想做,开源私有化也想做,行业解决方案也想做,最后路线图像一张没有主次的展会海报。12:32分析师取舍的第一把尺子,是你离客户的「关键结果」有多近。比如做 Agent,如果你只是在帮用户更快生成一段文本,价值很容易被模型升级吃掉;但如果你能进入订单处理、客服质检、投放复盘、研发合规或者供应链预测,哪怕入口不漂亮,客户也更愿意把预算和数据交给你。12:58主持人第二把尺子,是你有没有能力承接失败。AI 产品最容易在演示里成功,在真实流程里失败。失败以后谁来复核,如何回滚,怎样记录原因,下一次如何避免,这些听起来不像性感功能,却是企业客户敢不敢扩大使用范围的核心。13:21分析师第三把尺子,是你的交付是不是可复制。深水区机会很诱人,但如果每一个客户都要重做一遍咨询、数据清洗、流程梳理和权限改造,毛利会被交付吃掉。创业公司需要把行业 Know-how 产品化成模板、评测集、连接器和实施手册,否则所谓场景优势会变成项目制陷阱。13:48主持人所以在听完这集之后,我会建议创始人把路线图分成三栏:第一栏是马上能证明客户愿意付费的工作流;第二栏是会随着模型进步变得更强的场景资产;第三栏是为了融资叙事才写上去、但短期无法交付的热词。第三栏不是不能有,但必须诚实标注,不要让它吞掉工程资源。14:15分析师这也是本期和前两期的连接点。上一期我们谈泡沫和风险,这一期谈组织和生态。真正健康的 AI 创业,不是拒绝热潮,而是在热潮里建立自己的现实感:知道哪些东西会被平台化,哪些东西必须扎进客户现场,哪些东西需要等成本下降,哪些东西今天就能变成收入。14:42分析师我们把这期收束成一个创始人检查清单。第一,组织接入图:你的 AI 产品进入客户公司后,谁推动、谁使用、谁担责?第二,Agent 定位句:你服务哪类用户、哪个现场、哪种高频动作?第三,token 预算表:一次任务成功和失败时分别花多少钱?15:08分析师如果你是产品负责人,还可以把这期当成一次需求优先级练习。凡是只在演示里好看、但不能进入客户日常流程的功能,先降权;凡是能减少一次人工复核、缩短一次跨部门等待、让一次高风险决策留下证据的功能,优先级上调。AI 的价值最终不是模型参数,而是流程里的摩擦被拿掉了多少。15:36主持人如果你是投资人或者早期团队核心成员,可以反过来追问一个项目:它的客户为什么不能直接用通用 Agent 解决?它有没有一个大厂不愿意长期蹲守、但客户又愿意持续付费的现场?它的成本曲线会不会随着使用量上升而恶化?这三个问题问完,很多看起来很热的项目会自动降温。16:03分析师最后,如果你只是想提高个人使用 AI 的能力,这期也有一个朴素提醒:不要只学工具按钮,要学上下文管理、任务拆解和结果判断。工具会换,界面会趋同,但能不能把一个模糊问题拆成可执行任务,能不能判断输出是否真的有用,会变成更长期的能力。16:27主持人第四,模型进步压力测试:模型更强以后,哪些功能会消失,哪些资产会更值钱?第五,开源商业理由:客户为什么需要可控、可部署、可审计,而不是只需要便宜?这五个问题都回答得出来,项目才不只是踩中了 AI 热词。16:50分析师还有一个更柔软但更难的问题:节目最后谈到个体在 AI 时代如何自处。对创业者来说,这不是鸡汤。因为团队的品味、信任、判断和学习速度,会越来越像产品的一部分。工具会趋同,模型会升级,但你选择什么问题、如何定义好结果,仍然会区分团队。17:17主持人所以这期的标题,我们可以落在一句话:AI 创业真正要补的不是工具,而是组织、场景和判断。工具会越来越多,Agent 会越来越像,模型会越来越强;但能不能把这些东西变成客户愿意持续付费的流程改善,才是创业公司要交的答卷。17:40分析师如果你正在做 AI 产品,本周可以只做一个小动作:拿这五个问题去审一次自己的路线图。删掉一个只为了显得智能的功能,补上一处人机交接、成本控制或行业上下文。很多时候,真正的进步不是再加一个按钮,而是让产品更像一个能进入组织的工作系统。18:05主持人本期就到这里。来源是《屠龙之术》在小宇宙发布的「从开源到 Agent,从组织到个体:AIEC 大会现场侧记」。我们本轮使用完整公开音频和 A S R 做底稿,没有剪入未对齐的原节目片段。下一次有新的七档来源更新,我们继续把长播客压缩成创业者可以带走的判断框架。
이 콘텐츠를 둘러싼 관점이나 맥락을 계속 보강해 보세요.